整理 | Eric Harrington
不久前落幕的巴黎人工智能行动峰会上，全球 AI 领袖齐聚一堂，共话人工智能的未来走向。
其中，OpenAI 首席执行官 Sam Altman 的前瞻性洞察，以及 Meta 首席人工智能科学家、图灵奖得主 Yann LeCun 的深刻见解，无疑是本次峰会最受瞩目的焦点。
Altman 在峰会期间接受专访时，表示自己“近几个月几乎不用谷歌搜索了”，此外再次强调人工智能的巨大经济潜力，预言其影响将“堪比瓶子里的闪电”，并指出“那些部署人工智能的公司将变得更加高效”。
而 LeCun 则在演讲中，从技术发展和人文关怀的角度，呼吁“开源人工智能必须获胜”，强调其对于确保 AI 系统多样性和安全性的关键作用。
采访 | Sam Altman：OpenAI 不会出售
主持人：我注意到你戴着红色的高卢雄鸡（法国象征动物）胸针，相信这会让法国科技界人士非常高兴。请问，有哪些电影、影片或个人经历曾经影响过你对科技的愿景？
Sam Altman：先推荐一部近几年的电影——《阿波罗 11 号》（2019）。它是我见过的最具启发性的电影之一，激励人们投身科技，努力完成工程项目和探索科学。我强烈推荐。
主持人：太棒了，谢谢推荐。你刚刚提到了《阿波罗 11 号》和科技的未来。现在人工智能领域发展迅猛，你也经常谈到通用人工智能（AGI）。能否详细介绍一下你对 AGI 的愿景，以及人工智能目前的进展？
Sam Altman：我其实一直在尽量避免使用“通用人工智能”这个词，因为它对不同的人来说意味着不同的东西，甚至对同一个人也可能有多重含义。但这个词已经深入人心，难以摆脱。
现在，我认为大多数人用它来指代非常强大、功能强大的人工智能系统。我们显然在快速进步。关于定义和何时实现 AGI 存在争议，但看看今天的系统与两年前的功能，再展望未来两到四到六年，进步是惊人的。
我们大约一周前发布了“Deep Research”，我们估计它可以完成经济和世界中个位数百分比的任务。这令人难以置信。一年前，我认为没人会相信能达到这种程度。而且，这种发展势头还会持续。
主持人：你预计的下一个重大里程碑是什么？
Sam Altman：我个人非常期待模型推理能力的持续提升，以及利用这种能力完成复杂、长期的智能任务。例如，开发能够像软件工程师一样工作的智能体，令我们特别兴奋。
长远来看，能够进行科学研究的人工智能将是最重要的突破之一。如果我们能拥有可以编写代码的人工智能系统，那将对世界非常有益。但如果人工智能可以自主发现癌症疗法、实现核聚变或发现新的物理定律，这将是更大的进步，因为科学进步在很大程度上推动着世界发展。
主持人：你认为这是目前最令人兴奋的应用吗？
Sam Altman：这是一个概括性的回答，但我意识到，近几个月来，我不再使用许多以前常用的服务了。比如，除非是非常具体的事情，否则我几乎不用谷歌搜索了。
主持人：但他们仍然占据很大的市场份额。
Sam Altman：当然。还有许多其他任务，我过去会去其他平台完成。现在，我可以用 ChatGPT 处理一整天的事情，就像拥有一个无所不知的预言系统。在合理范围内，任何我需要的东西，一年前我们都无法做到，但现在已经实现了。我确实注意到我的使用习惯发生了转变。
主持人：完全同意。那么，你对各行各业的人们有什么建议？很多人都在谈论人工智能。法国的 CEO 们普遍将实施人工智能列为首要任务，但实际完成并规模化应用的只有十分之四。对于那些希望参与并从中获益的企业，您有什么建议？
Sam Altman：我认为至少有两个方向非常重要。彭斯曾多次强调人工智能带来的巨大经济机遇。他用“瓶子里的闪电”（形容一些难以捉摸的，稍瞬即逝的和辉煌灿烂的东西）来形容现在的时刻，我认为非常贴切。
这确实是一个前所未有的时刻，也许只有工业革命初期或互联网初期可以相比。人工智能可能带来的经济影响是巨大的。回到 Deep Research 的例子，假设花费 50 美分的计算资源，就可以完成价值 500 或 5000 美元的工作。那些部署人工智能的公司将变得更高效。
软件工程智能体就是一个例子。这是第一类机遇：企业可以更高效地运营，人们可以用更少的资源做更多的事情。
第二个方向是构建面向消费者或企业、以创新方式使用人工智能的产品。ChatGPT 就是一个例子，许多公司也在这个领域表现出色。我认为人们应该更有想象力。很多人还停留在去年的思维模式中，当时人工智能还非常有限。但现在人工智能的能力已经非常强大。
主持人：面对这么多工具，人们可能会不知所措，不知道从哪里开始。你有什么建议？
Sam Altman：在做现在这份工作之前，我曾是初创企业投资人，在 Y Combinator 工作。人们总是会问各种版本的问题，比如“我应该做什么？”、“我的公司应该做什么？”、“我应该开发什么产品？”、“我该如何开始？” 我认为这类问题不应该听取别人的建议。初创企业之所以成功，是因为它们做了别人没有完全理解的事情，也许是别人没有想到的事情，或者没有很好地执行的事情。我总是鼓励人们相信自己的直觉，不要在这方面听取别人的意见。
主持人: 我认为这是很好的建议。我们现在在法国。不久前你们在法国开设了办事处。你还在一家报纸上发表文章，称赞法国。我们对此表示感谢。你如何看待法国和这里的人工智能生态系统？你刚从伦敦回来，也许可以比较一下这两个生态系统。
Sam Altman：说到我如何使用 ChatGPT，我在撰写那篇文章时用到了它，它在翻译方面非常出色，比我以前用过的任何工具都好。
我们与法国有着特殊的关系。我们资助了很多优秀的法国创业者。法国在工程领域有着悠久的历史和卓越的成就。一个国家能够制造飞机、火车、核电站以及所有这些对未来至关重要的东西，并且做得如此出色，这非常了不起。所以我认为在巴黎总是很特别。伦敦也很棒，我在那里度过了愉快的时光。但是，法国的工程人才、创业精神，以及对能源的重视——能源对于人工智能的未来至关重要，我认为法国在这方面有很多优势。
主持人：你们在巴黎办事处的计划是什么？
Sam Altman：我们希望大幅扩张。再说一次，法国人才济济，OpenAI 就有很多优秀的法国研究人员。还有许多居住在这里的人才，我们非常欢迎他们加入 OpenAI。所以我相信我们在这里会有一个很棒的办事处。
主持人：最后一个问题，今天你可能已经被问过很多次了：OpenAI 会出售吗？
演讲 | Yann LeCun：目前 LLM 还远远不足，推理模型被过度宣传
Yann LeCun：我多次强调，开源人工智能至关重要。原因在于，人工智能是整个行业的基础。互联网的历史告诉我们，任何软件平台最终都需要开源。市场有强大的动力推动开源，因为它更安全、性能更高、更灵活、更便携、运行成本更低。这些优势众所周知。
但对于人工智能而言，还有一个更重要的优势：在不久的将来，我们与数字世界的每一次互动都将由人工智能系统调解。我们需要人工智能系统的高度多样性。如果我们通过人工智能系统获取所有信息，就需要多样化的人工智能系统群体，就像我们需要多样化的报纸和杂志一样。
此外，这些系统需要能够理解世界上每一种语言、每一种文化、每一种价值体系和每一种兴趣中心。世界上没有任何一家实体，无论多么庞大，能够训练出这样的系统。
首先，没有人能够访问世界上所有可用的文化数据。而且，世界上大多数国家和地区都希望在数据方面保持一定程度的主权，不愿分享所有文化数据。
因此，我看到的未来，也是开源人工智能的下一个阶段，是人工智能系统将构成全人类知识库的未来。它们将以分布式、联邦式的方式进行训练，来自世界各地不同实体、不同数据中心的贡献。他们不会交换数据，而是交换参数向量。
想象一下，未来，世界各地可以访问各自的数据，使用自己的数据中心为训练全球模型做出贡献，然后定期与其他人交换参数向量。最终，我们将拥有一个庞大的模型，它了解一切，但没有人交换任何数据，每个人都对数据保持控制，避免了从不愿分享数据的地区获取数据的问题。
这就是我看到的未来，我们需要共同构建它。这是一个激动人心的未来。为了实现这一目标，我们需要政府的支持，希望他们谨慎行事，不要扼杀开源的萌芽。我认为现在情况不错，我们已经度过了那个阶段。我认为今天人工智能峰会比去年在英国布莱切利公园举行的峰会更积极。
现在，回到重要的问题：我们何时能实现人类水平的人工智能？我们需要人类水平的人工智能吗？是的，因为未来我们将佩戴眼镜进行计算，我们需要具备人类水平智能的系统，以便与它们自然交流。现在的眼镜还没有显示屏，但在接下来的一年左右，我们将拥有带显示屏和 EMG 界面的眼镜，可以通过手指指点、点击，甚至将手放在口袋里打字。这将很快成为新的计算平台，由人工智能驱动。
几年后，我们将拥有完全增强现实的眼镜，但目前成本还太高。未来，我们每个人都将拥有一个虚拟员工团队，他们都是超级聪明的虚拟人，帮助我们处理日常生活。就像我们每个人都会成为老板，一个员工团队的老板，或者管理者。这听起来可能令人兴奋，也可能令人担忧，取决于您的看法。但这将极大地提升每个人的智力、效率、创造力和生产力。
现在最大的问题是技术挑战。我们需要多久才能开发出具有人类水平智能的系统？这就是我们在 FAIR 所做的工作。FAIR 是 Meta 的基础人工智能研究实验室，分布在北美和欧洲的七个地点，拥有约 500 名科学家和工程师。我们正在研究超越 LLM 的下一代人工智能系统。
毫无疑问，在未来的某个时刻，我们将拥有具有人类水平甚至更高智能的系统，这只是时间问题。但这需要时间，不会在明年或后年发生。两年后，我们可能会在狭窄领域拥有超人能力的系统。但仍有重大挑战需要克服。我们需要能够理解物理世界、具有持久记忆、能够推理和计划的人工智能系统。目前的大语言模型（LLM）在这方面还远远不足，尽管人们对推理模型大肆宣传。
所以，这就是我们正在研究的方向。我们认为，在三到五年内，我们将对是否走在正确的道路上有一个清晰的认识。之后，还需要一段时间才能弄清楚如何让这些系统足够智能，达到人类的智能水平。
关键问题是，我们何时能拥有像猫一样聪明的系统？我们已经拥有可以通过法学院入学考试、解方程、计算积分的 LLM，但这些计算机早已能做到。我们还没有像猫一样聪明的机器，没有家政机器人，也没有完全自主的自动驾驶汽车，原因是我们缺乏让人工智能系统理解物理世界的技术。这才是需要解决的关键问题。一旦解决，我们将拥有具备常识的系统，最终实现人类水平的人工智能。
（文：AI科技大本营）